AudioX 的核心是一个扩散变换器模型，它通过专门的编码器和多模态掩蔽训练策略整合视觉、文本和音频特征。这种方法鼓励强大的跨模态交互，使模型能够学习统一的表示，并在不同输入类型之间具有良好的泛化能力。 AudioX 支持视频音频同步、文本引导的音频修复和音乐补全等高级功能，允许用户根据文本提示填补现有音频的空白或扩展音乐作品。该平台还提供智能编辑工具，包括多轨道编辑和音频参数控制，使用户能够精准地、创造性地调整音频创作。
AudioX 采用订阅模式，提供分级方案，提供不同级别的访问权限和处理速度。新用户可以使用基本功能，而高级方案则可解锁优先处理和适用于专业工作流程的高级编辑功能。该平台支持 30 多种音乐风格，并提供快速的生成速度，非常适合实时内容制作。 AudioX 将尖端的扩散变压器技术与直观的界面和丰富的输入选项相结合，成为一款全面的音频生成解决方案，让用户能够轻松制作出符合其创作需求的惊艳高保真音频。
主要功能包括：
- 统一的扩散变压器架构，支持多模态音频生成
- 支持文本、图像、视频和音频输入，实现灵活的音频创作
- 高级功能，包括视频音频同步和文本引导的音频修复
- 智能多轨编辑工具和对音频参数的精确控制
- 超过 30 种音乐风格，适用于各种创意应用
- 基于订阅的定价，分级方案提供优先处理
- 快速的生成速度，适用于专业和实时工作流程
